人脸识别---------圆检测（19）

现实考量：

圆检测参考

霍夫圆检测对噪声比较敏感，所以要先对图像做中值滤波。由于效率问题，OPencv中霍夫变换圆检测是基于图像梯度的实现，分为两步。 * 检测边缘，发现可能圆心 * 基于第一步的基础上从候选圆心开始计算最佳半径的大小。

opencv实现

cv.HoughCircles（ image，method，dp，minDist ，circles ，param1 ，param2 ，minRadius ，maxRadius ） 第二参数，int类型的method，即使用的检测方法，目前OpenCV中就霍夫梯度法一种可以使用，它的标识符为CV_HOUGH_GRADIENT，在此参数处填这个标识符即可。

第三个参数，double类型的dp，用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。例如，dp=1时表示霍夫空间与输入图像空间的大小一致，dp=2时霍夫空间是输入图像空间的一半，以此类推

第四个参数，minDist为圆心之间的最小距离，如果检测到的两个圆心之间距离小于该值，则认为它们是同一个圆心。即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。

第五个参数，double类型的param1，有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示传递给边缘检测时使用Canny算子的高阈值，而低阈值为高阈值的一半。

第六个参数，double类型的param2，也有默认值100。它是第三个参数method设置的检测方法的对应的参数。为步骤1.5和步骤2.5中所共有的阈值对当前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。

第七个参数，int类型的minRadius,有默认值0，表示圆半径的最小值。

第八个参数，int类型的maxRadius,也有默认值0，表示圆半径的最大值。需要注意的是，使用此函数可以很容易地检测出圆的圆心，但是它可能找不到合适的圆半径。

def detect_circles_demo(image): dst = cv.pyrMeanShiftFiltering(image, 10, 100); #must reduce the noise cimage = cv.cvtColor(dst, cv.COLOR_RGB2GRAY); circles = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 20, param1 = 150, param2 = 20, minRadius = 0, maxRadius = 0); print(type(circles)); circles = np.uint16(np.around(circles)); for i in circles[0, :]: cv.circle(image, (i[0], i[1]), i[2], (0, 0, 255), 2); cv.circle(image, (i[0], i[1]), 2, (255, 0, 255), 2); cv.imshow("detect_circle_dmeo", image);